智慧社区作为新型社区发展的趋势,近几年得到了快速的发展,智慧物业作为智慧社区的评判标准之一也面临着变革和突破。物业电话是联系物业和业主的有效手段,如何高效解决拨打物业电话业主的诉求,协调和处置不同业主的需要,是科技在物业服务中的重要应用。通过有效快速地识别社区业主紧急电话,将紧急程度最高的语音电话率先接入物业的电话系统,帮助业主得到及时的物业服务反馈是紧急电话识别关键技术研究的主要目的。物业电话是以语音的形式传递信息,而语音中主要包含了音频和文本两种形式的信息,通过音频数据和文本内容有效识别紧急电话是本文研究的主要内容。本文以语音数据为主要研究对象,提出一种基于深度学习的多模式权重网络语音情感识别算法模型,有效识别语音中包含的情感。同时提出一种基于特征的小样本文本分类改进方法,并构建了一个中文物业电话紧急程度分类数据集UCTC（Urgency Classification Text Corpus）。利用上述小样本文本分类方法从电话语音的语义信息中判断出紧急类别的文本,同识别出的语音情感进行融合,从而对接入电话进行紧急程度排序以便物业工作人员按序接听和处理。本文的主要工作概括如下:（1）基于深度学习的多模式权重网络语音情感识别研究。语音中包含的情感信息最能从声学角度体现语音信号的紧急程度,紧急程度不同的语音信号有着不同的情感表达。针对语音情感识别问题,本文提出了一种多模式权重网络模型,该模型先采用循环神经网络和Res Net-50网络基于语音声学特征、语音转化成文本信息后的文本语义特征、语音频谱特征建立三种分类器,然后将以上三种分类器的分类结果作为权重网络模型的输入进行训练以获取最优权重值,基于该权重值最终实现语音情感的识别。本文通过实验比较了三种单一特征语音情感识别模型及集成学习方法与本文所提模型的识别效果,实验结果表明本文提出的模型具有更高的识别准确率。（2）基于特征的小样本文本分类改进方法。针对紧急程度分类文本是小样本的特性,本文基于分布特征模型提出了特征分类网络模型,并且在元学习框架内训练该模型。首先将句子里词汇的分布特征映射为注意力分数,然后对单个词语表征进行加权,构建出包含类别特征的句向量。之后在该句向量的基础上,将已知类别的不同句子特征的差异映射到输入文本向量表征中,以实现类间多样性特征转移,依据类内分布特征和类间多样性特征实现不同紧急程度文本的划分。我们分别在两个基准英文数据集和两个中文数据集（包括UCTC）上进行实验,实验结果表明我们的模型对小样本数据分类效果提升显著,可以有效判别文本的紧急程度。（3）利用以上算法模型开发紧急电话识别后端服务程序。整体后端服务实现的功能包括当前电话紧急状态判断和紧急电话历史信息查询。该服务首先加载现有模型识别语音对应的文本,之后加载本文算法模型对语音的情感状态和语音的文本信息紧急程度进行判断,再利用第三方服务确定语音发声者性别和年龄范围,最终基于以上特征进行融合判断返回紧急程度计算结果。